Detecte la falacia lógica

"Invertir es el arte de utilizar información imperfecta para realizar evaluaciones probabilísticas sobre un futuro inherentemente desconocido."

A lo largo de los años, he definido la inversión utilizando varias combinaciones de estas palabras (dejemos para otro momento los numerosos factores del comportamiento y los sesgos cognitivos que podrían desbaratar su pensamiento).

El mismo proceso de hacer evaluaciones probabilísticas al invertir el capital puede aplicarse a otras áreas de interés. De hecho, es un excelente ejercicio aplicar estas habilidades a los desafíos fuera de las finanzas. No estoy sugiriendo que se incurra en campos de alta cualificación y alto riesgo, sino que se participe en el rigor intelectual de intentar llegar a una conclusión defendible sobre cuestiones desconcertantes. Identificar los errores de lógica en otro lugar puede ser útil.

Un buen ejemplo: comparar cómo varias políticas regionales relacionadas con el Covid-19, cierres, obligatoriedad de usar mascarilla, pruebas, etc., influyeron en el éxito de los estados en la gestión de la pandemia. Debates sobre cuándo era demasiado pronto para abrir o demasiado tarde para cerrar. ¿Reuniones en el exterior o en el interior?

Las variaciones de estos argumentos son interminables, pero los errores que se repiten son muy similares.

He leído muchas argumentaciones calientes, algunas buenas, otras malas, otras horribles, pero en cada una de ellas, no pude evitar jugar a "Detectar la falacia lógica". Hay muchos datos al respecto, especialmente sobre las infecciones/hospitalizaciones/muertes, tal y como se han rastreado. Esas 3 métricas son sólo el punto de partida.

Veamos si podemos identificar algunos errores útiles que también podrían aplicarse a otros campos, incluido el de la inversión:

Contrafactual: un favorito de todos los tiempos. Muy poca gente se molesta en hacer esta pregunta tan sencilla: Si no fuera por la variable X, ¿cómo podría haber sido diferente el resultado? Así, si un estado no tuviera cierres agresivos, pero tuviera tasas de métricas comparables más bajas, ¿cuáles podrían haber sido las métricas de ese estado? Esta es la diferencia entre los resultados relativos y absolutos).

Siempre me sorprende que se pase por alto este sencillo modelo mental.

Causalidad (a pesar de o falta de ella): cuando un estado hace X, ¿cómo afecta eso al comportamiento de la gente? ¿Qué hace la población local ante los cierres (o no), las reaperturas (o no), los mandatos de usar mascarilla (o no)? Resultó que las variables de comportamiento eran muy amplias; una cantidad sustancial de comportamientos humanos durante la pandemia era independiente de las orientaciones del gobierno.

Esto significa que la causalidad real era mucho más tenue de lo que se suponía; puede ser un error suponer una simple correlación cuando se comparan los edictos con los resultados.

Error de medición: cualquier enfermedad infecciosa con una tasa de ocurrencia asintomática del 50% va a ser difícil de evaluar. Ha habido estimaciones creíbles de infección que eran 2X, 3X, 5X, incluso 9X de las infecciones reportadas. Todos estos estudios contienen suposiciones generales, pero deberíamos estar de acuerdo en que, de las tres métricas generales, sólo las hospitalizaciones se acercan a la exactitud.

Nota: no tenemos ninguna razón para suponer (salvo que se trate de un fraude) que la infradeclaración fue uniforme y podría variar de forma dramática dentro de los estados y entre ellos.

Fraude: Nueva York infravaloró las muertes de ancianos que vivían en centros de mayores; Florida infravaloró a propósito las infecciones y las muertes. Otros estados, como Dakota del Norte, tienen políticas de notificación sospechosas. "Donde hay humo, suele haber fuego" lleva a la conclusión de que la métrica real en estos estados (y en otros) es mucho peor de lo que se informa.

Asumiendo la uniformidad: los estados más grandes como California, Texas o Florida tienen una gran variedad de geografías, climas, normas sociales, comunidades, etc. Es útil comparar dentro de cada estado los mejores y peores condados, para saber por qué algunas acciones del gobierno fueron útiles y otras fueron ineficaces. Asumir una uniformidad que no es válida puede llevar fácilmente a una conclusión errónea.

Variables únicas o múltiples: controlar una sola variable (mascarillas, cierre de escuelas, reuniones sociales) ignora la complejidad de esta cuestión. Y, sin embargo, esta es una línea de información muy popular. El mundo es un lugar mucho más complejo que eso.

Si se va a considerar una sola variable, podría sugerir las tasas de infección durante las primeras semanas de la pandemia en relación con si una región tiene o está cerca de un aeropuerto internacional. Más allá de eso, simplificar en exceso la complejidad es una auténtica locura.

Podemos discutir otros elementos como la aleatoriedad o ignorar las diferencias climáticas o la calidad variable de los sistemas sanitarios entre regiones o tantas otras cosas. Es un problema muy complejo y la simplificación excesiva no es especialmente útil.

No quiero sugerir que se pueda utilizar la lógica y el razonamiento deductivo para resolver cualquier problema o incluso generar alfa. Lo que sugiero es que cuando ignoramos la lógica básica o no reconocemos los errores de razonamiento, no sólo podemos olvidarnos del alfa, sino que tampoco conseguimos el beta.

Sin embargo, si somos inteligentes con respecto al riesgo, si entendemos lo que no sabemos y si reconocemos los límites de nuestra capacidad para predecir el futuro, podemos al menos empezar a mejorar nuestro proceso y evitar errores costosos, independientemente del campo en el que trabajemos.

Contáctanos